La predicción de las inundaciones y las tormentas extremas es uno de los grandes retos del siglo XXI. Para conseguirlo es necesario desarrollar e implementar los recursos que nos permitan anticiparnos a eventos extremos como, por ejemplo, las avenidas que provocan inundaciones con consecuencias desastrosas.
En la actualidad, los eventos extremos están siendo más frecuentes o intensos, lo que subraya la importancia de comprenderlos y llevar a cabo una predicción fiable que nos permita estar preparados para mitigar sus impactos.
¿Qué es un evento extremo?
Tormentas e inundaciones, olas de calor o de frío y sequías son eventos meteorológicos extremos caracterizados por su inusual intensidad, duración o frecuencia en comparación con las condiciones consideradas habituales.
Los eventos extremos son fenómenos meteorológicos que se desvían significativamente de las condiciones climáticas consideradas normales y tienen o pueden tener un impacto severo en el medio ambiente, la sociedad y la economía.
En este contexto, es la dificultad para contar con una predicción adecuada y la consiguiente falta de planificación la mayor responsable de que los efectos de ciertos episodios climáticos tengan mayor o menor trascendencia.
Predecir valores en el tiempo: entrenamiento de la red neuronal
Las redes neuronales pueden usarse con éxito para predecir valores en el tiempo, pero estas redes neuronales requieren gran cantidad y calidad de datos para su entrenamiento
Una red neuronal entrenada con datos reales actúa mejor en aquellos rangos de valores más frecuentes y actúa de forma errática en aquellos datos de entrada en los que nunca ha sido entrenada.
La mayoría de las observaciones meteorológicas con las que se entrena una red neuronal siguen una distribución de campana de Gauss, con lo que las condiciones extremas son poco numerosas y generan poca base para un training completo.
Predicción fiable de eventos extremos
Los eventos extremos como, por ejemplo, las avenidas que provocan inundaciones son, por definición, poco frecuentes.
Sin embargo, es en estos eventos de grandes inundaciones o prolongadas sequías cuando se hace más necesaria la predicción fiable, no necesariamente exacta, pero sí que siga las pautas de un sentido “físico”, porque son precisamente estas situaciones extremas las que mayores perjuicios causan y, por tanto, son las que necesitan una mejor predicción.
Esta contradicción nos lleva a que tengamos que ampliar las observaciones del dataset, dotándolas de un mayor número de observaciones extremas y, como éstas no existen en la realidad, necesitamos poderlas crear.
Para crear observaciones extremas, podemos emplear redes neuronales adversas (que compiten entre sí) y permiten simular eventos realistas y llegar realizar predicciones en diferentes escenarios y bajo todo tipo de situaciones (stress test).
Últimos avances en Inteligencia Artificial
NEURITE Lab solventa este problema de comportamiento errático de las redes neuronales en eventos extremos, investigando un proceso que permite a la red neuronal adquirir sentido físico en eventos extremos.
Nuestra metodología hace uso de los últimos avances en Inteligencia Artificial (IA), y consiste en una generación de eventos extremos basados en Generative Adversary Networks (GAN).
Este proceso genera, por ejemplo, numerosos mapas de lluvia extremos que, no habiendo existido nunca, puedan considerarse reales, es decir, que se parecen a un mapa de lluvias real.
“Eventos sintéticos” de lluvia
La secuenciación en el tiempo de estos mapas produce unos “eventos sintéticos” de lluvia. Estos eventos deberán poder controlarse en magnitud, localización y frecuencia de modo que se cubra el más amplio espectro de futuros eventos.
Con la generación de los “eventos sintéticos”, los casos extremos (por definición escasos), se convierten en casos artificialmente más numerosos, sin que los casos «normales» pierdan preponderancia.
Estos eventos de lluvia extrema (ahora numerosos) serán calculados por un modelo clásico de hidrología que incorpora las ecuaciones físicas clásicas de balance de masas y transporte, para obtener como resultado la evolución del caudal en el punto de medida del río en base a cada secuencia sintética de campos de lluvia.
Dataset de lluvias y caudales extremos físicamente coherentes
De este modo, se obtiene un dataset de lluvias y caudales extremos, físicamente coherentes (por aplicación de las ecuaciones de balance de masas y transporte del modelo clásico) con el que entrenar las redes neuronales, a fin de que, si se presentan en el futuro situaciones de las que nunca se ha tenido registro real, la red neuronal responderá con el “sentido físico” de un modelo numérico clásico.
Adicionalmente, esta algoritmia puede abordar tanto eventos de inundación (caudal máximo) como de sequía (caudal mínimo).
NEURITE Lab: Innovación en el sector de la Inteligencia Artificial
Somos una empresa innovadora en el sector de la Inteligencia Artificial aplicada a las predicciones en diferentes sectores, especializada en el modelaje de series numéricas medioambientales, especialmente en el área de la gestión de cuencas hidrológicas.
La finalidad de las soluciones de software de NURITE Lab es transformar los datos disponibles en conocimiento útil que ayude realmente en los procesos de toma de decisiones, con un sistema que combina inteligencia artificial e inteligencia humana, datos internos y datos externos, para generar información relevante y constantemente actualizada.
A lo largo de nuestra trayectoria, hemos sido reconocidos con el SELLO PYME INNOVADORA por el Ministerio de Ciencia e Innovación y con el SELLO DE EXCELENCIA de la Unión Europea.
Si deseas saber más sobre Predicción de Inundaciones y Sequías:
Gestión de cuencas hidrológicas: Predicción de eventos extremos (1)
Modelos numéricos: Predicción de eventos extremos (3)
Modelos de Inteligencia Artificial: Predicción de eventos extremos (4)
NEURITE Lab: Especialización, tecnología e innovación, con más de 30 años de experiencia trabajando con confederaciones hidrográficas y empresas suministradoras de agua.
Si necesitas más información o deseas realizar una consulta:
neuriteblog.com 
2 comentarios sobre “Predicción de inundaciones y tormentas extremas (II)”